Vielen Dank für die Zusendung Ihrer Anfrage! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Vielen Dank, dass Sie Ihre Buchung abgeschickt haben! Eines unserer Teammitglieder wird Sie in Kürze kontaktieren.
Schulungsübersicht
Einführung in die Feinabstimmung von DeepSeek LLM
- Überblick über DeepSeek-Modelle, z. B. DeepSeek-R1 und DeepSeek-V3
- Verständnis des Bedarfs an der Feinabstimmung von LLMs
- Vergleich von Feinabstimmung vs. Prompt Engineering
Vorbereitung des Datensatzes für die Feinabstimmung
- Zusammenstellung domänenspezifischer Datensätze
- Techniken zur Datenvorverarbeitung und -bereinigung
- Tokenisierung und Formatierung von Datensätzen für DeepSeek LLM
Einrichten der Feinabstimmungsumgebung
- Konfiguration von GPU- und TPU-Beschleunigung
- Einrichtung von Hugging Face Transformers mit DeepSeek LLM
- Verständnis der Hyperparameter für die Feinabstimmung
Feinabstimmung von DeepSeek LLM
- Implementierung des überwachten Feinabstimmens (Supervised Fine-Tuning)
- Verwendung von LoRA (Low-Rank Adaptation) und PEFT (Parameter-Efficient Fine-Tuning)
- Durchführung verteilter Feinabstimmung für große Datensätze
Bewertung und Optimierung feingestimmter Modelle
- Beurteilung der Modellleistung mit Evaluationsmetriken
- Umgang mit Überanpassung (Overfitting) und Unteranpassung (Underfitting)
- Optimierung der Inferenzgeschwindigkeit und Modelleffizienz
Bereitstellung feingestimmter DeepSeek-Modelle
- Verpackung von Modellen für die API-Bereitstellung
- Integration feingestimmter Modelle in Anwendungen
- Skalierung der Bereitstellungen durch Cloud- und Edge-Computing
Praxisbeispiele und Anwendungen
- Feingestimmte LLMs für Finanzen, Gesundheitswesen und Kundensupport
- Fallstudien zu Branchenapplikationen
- Ethische Überlegungen bei domänenspezifischen KI-Modellen
Zusammenfassung und nächste Schritte
Voraussetzungen
- Erfahrung mit Machine-Learning- und Deep-Learning-Frameworks
- Vertrautheit mit Transformern (Transformers) und Large Language Models (LLMs)
- Verständnis von Datenvorverarbeitungstechniken und Modellschulungsmethoden
Zielgruppe
- KI-Forscher, die sich mit der Feinabstimmung von LLMs befassen
- Machine-Learning-Ingenieure, die benutzerdefinierte KI-Modelle entwickeln
- Fortgeschrittene Entwickler, die KI-gesteuerte Lösungen implementieren
21 Stunden
